AI News · 2026-09-22

หน้าประกาศลงวันที่ 21 กันยายน แนะนำ Grok 4.7 ว่าเป็นโมเดลที่ทำได้มากที่สุดของบริษัทสำหรับงานเขียนโค้ดและงานความรู้ และชูจุดขายว่าเร็วกว่าสองเท่าในราคาครึ่งหนึ่งของรุ่นที่เทียบเคียงกัน บริษัทผู้สร้าง Grok ใช้ชื่อว่า SpaceXAI มาตั้งแต่เดือนกรกฎาคม 2026 หลัง SpaceX เข้าซื้อ xAI เมื่อต้นปี สื่อหลายสำนักจึงยังเรียกสลับกันทั้งสองชื่อ

ราคาที่ประกาศคือเริ่มต้นที่ 2 ดอลลาร์ต่อหนึ่งล้านโทเคนขาเข้า และ 6 ดอลลาร์ต่อหนึ่งล้านโทเคนขาออก โดยเอกสารนักพัฒนาระบุว่าคำขอที่มี prompt ตั้งแต่ 200,000 โทเคนขึ้นไปจะถูกคิดเป็นสองเท่าทั้งคำขอ ส่วนรุ่น fast ที่ส่งข้อความออกเร็วขึ้นเท่าตัวในราคาเท่าตัวนั้น เปิดให้ใช้เฉพาะใน Cursor และ Grok Build ไม่ได้เปิดบน API สาธารณะ

คะแนนที่บริษัทเผยแพร่เองได้แก่ CursorBench 4.0 ที่ 46.3% Terminal-Bench 4.0 ที่ 38.0% HealthBench Professional ที่ 56.7% และ Harvey Legal Agent Benchmark ที่ 19.6% ทั้งคอลัมน์นี้วัดที่ระดับความพยายามแบบ xhigh ซึ่งสูงกว่าค่าตั้งต้นที่ผู้ใช้จะได้ถ้าไม่ตั้งค่าเอง ส่วน DeepSWE v1.1 ที่ 71.0% บริษัทกำกับเชิงอรรถไว้ว่าวัดที่ระดับ high ซึ่งเป็นคนละเงื่อนไขกับแถวอื่น

ภายในวันเดียวกัน Artificial Analysis เผยแพร่ผลวัดอิสระของตัวเอง โดยให้ดัชนีรวมของ Grok 4.7 ที่ 46 ตามหลัง Claude Fable 5.1 และ GPT-6 Astra ที่ได้ 53 เท่ากัน เมื่อวัดตัวโมเดลเดี่ยวบน Terminal-Bench 4.0 ผู้วัดรายนี้ได้ 26% ซึ่งห่างจาก 38.0% ที่ผู้ผลิตรายงานอยู่มาก ส่วนเลข 33% ที่ปรากฏในบทความของผู้วัดรายเดียวกันเป็นคะแนนตอนรันผ่านเครื่องมือ Grok Build ซึ่งเป็นคนละเงื่อนไข เอามาเทียบกันตรงๆ ไม่ได้

ผู้วัดรายเดียวกันยังพบว่ารุ่นนี้ใช้โทเคนขาออกราว 81,000 โทเคนต่อหนึ่งงาน เทียบกับราว 36,000 โทเคนของรุ่นก่อนหน้า และราว 27,000 โทเคนของ GPT-6 Astra ซึ่งแปลว่าราคาต่อโทเคนที่ถูกลงไม่ได้แปลว่าบิลปลายเดือนถูกลงด้วย

ใช้งานได้แล้วใน Cursor และ Grok Build รวมถึงผ่าน Grok API เครื่องมือเขียนโค้ดของเจ้าอื่น ตัวกระจายคำขอไปยังโมเดล และแพลตฟอร์มคลาวด์ หน้าประกาศไม่ได้ระบุขนาดหน้าต่างบริบท แต่เอกสารนักพัฒนาระบุไว้ที่ 500,000 โทเคน

▲ ทำไมต้องรู้ · ราคาต่อโทเคนของโมเดลระดับบนขยับลงอีกรอบภายในเดือนเดียว แต่เคสนี้เป็นตัวอย่างที่ดีว่าราคาต่อหน่วยกับค่าใช้จ่ายจริงเป็นคนละเรื่อง ถ้าโมเดลคิดยาวกว่าและใช้โทเคนมากกว่าสามเท่า ส่วนลดต่อหน่วยก็หายไปกับปริมาณ เวลาเปรียบเทียบผู้ให้บริการจึงต้องวัดที่ค่าใช้จ่ายต่อหนึ่งงานที่ทำเสร็จ ไม่ใช่ที่ราคาป้าย

x.ai · Artificial Analysis · Hacker News

คืนวันที่ 21 กันยายน คลังของ Xiaomi บน Hugging Face ขึ้นโมเดลตระกูล MiMo-V2.6 พร้อมกันสามตัว คือรุ่น Pro-RL รุ่น Flash-RL และรุ่นกลั่นขนาดเก้าพันล้านพารามิเตอร์ที่ต่อยอดจาก Qwen

การ์ดโมเดลของรุ่น Pro ระบุสัญญาอนุญาตไว้ว่า mit ซึ่งเปิดให้ใช้เชิงพาณิชย์ได้โดยไม่ต้องขออนุญาตเพิ่ม ตัวสถาปัตยกรรมเป็นแบบ MoE ที่เปิดใช้พารามิเตอร์ 42 พันล้านตัวต่อการเรียกหนึ่งครั้ง รับบริบทได้หนึ่งล้านโทเคน และรับทั้งข้อความ ภาพ วิดีโอ และเสียง ข้อควรระวังคือขนาดรวมที่การ์ดโมเดลเขียนไว้กับที่หน้ารวมคลังแสดงไม่ตรงกัน จึงยังไม่ควรอ้างตัวเลขขนาดรวม

ตารางที่ Xiaomi เผยแพร่เองเทียบกับโมเดลปิดสองตัว โดยรุ่น Pro ได้ AutomationBench v1.0.6 ที่ 53.1 เหนือกว่า Claude Opus 5 ที่ 50.3 และ GPT-5.6 Sol ที่ 45.8 แต่ยังตามหลังบน DeepSWE v1.1 ที่ 71.9 เทียบกับ 74.0 และ 73.0 และบน OSWorld-Verified ที่ 82.0 เทียบกับ 83.4 และ 83.0

▲ ทำไมต้องรู้ · เมื่อวานเพิ่งมีโมเดลภาพจากจีนที่หน้าเว็บเรียกตัวเองว่าโอเพนซอร์สแต่ไฟล์สัญญาอนุญาตห้ามใช้หาเงิน วันนี้มีของที่เปิดจริงตามตัวอักษรออกมาในวันถัดกัน ความต่างอยู่ที่ไฟล์สัญญาอนุญาต ไม่ใช่คำโปรยบนหน้าประกาศ ใครจะหยิบโมเดลเปิดไปใช้ในงานที่มีรายได้ควรเปิดไฟล์นั้นอ่านทุกครั้ง

Hugging Face · Hacker News

บริษัท TypeSafe AI เปิดตัว Jev ซึ่งเรียกตัวเองว่า System One model คือรับข้อความเข้าไปแล้วคืนค่าทศนิยมออกมาแทนการเขียนคำตอบ บริษัทอธิบายของตัวเองว่าเป็นการเรียกฟังก์ชันที่รับสถานะแบบไม่มีโครงสร้างเข้าไป แล้วคืนการตัดสินใจที่มีชนิดข้อมูลกำกับออกมา

รองรับคำถามสามแบบ คือคำถามใช่หรือไม่ที่คืนค่าความน่าจะเป็นที่คำตอบคือใช่ ระหว่างศูนย์ถึงหนึ่ง คำถามให้เลือกตัวเลือกที่คืนทั้งตัวเลือกที่เลือก การกระจายความน่าจะเป็นรายตัวเลือก และค่าความมั่นใจ และคำถามให้คะแนนตามเกณฑ์ที่คืนคะแนนพร้อมความน่าจะเป็นรายระดับ เอกสารของบริษัทย้ำว่าคำถามแบบแรกไม่มีค่าความมั่นใจแยกต่างหากเหมือนสองแบบหลัง งานที่เล็งไว้คือการจัดหมวด คัดสแปม จัดอันดับ และเรียงผลค้นหาใหม่

ราคาอยู่ที่ 0.042 ดอลลาร์ต่อหนึ่งล้านโทเคนขาเข้า และไม่คิดเงินฝั่งขาออกเลย โดยเปิดให้ใช้แบบ early access มาตั้งแต่ 15 กันยายน และยังไม่มีประกาศจากบริษัทว่าเปิดทั่วไปเต็มรูปแบบแล้ว

Simon Willison ตั้งข้อสังเกตว่าของแบบนี้เป็นกล่องดำ เพราะคืนมาแต่ตัวเลขโดยไม่มีคำอธิบายประกอบ ถ้าเอาไปใช้ตัดสินใจเรื่องที่กระทบคน เช่น การคัดผู้สมัครงาน การตรวจสอบอคติจะทำได้ยากกว่าโมเดลที่เขียนเหตุผลออกมาให้อ่าน

▲ ทำไมต้องรู้ · งานคัดแยกในออฟฟิศจำนวนมากไม่ได้ต้องการคำตอบเป็นข้อความ ต้องการแค่ตัวเลขไว้ตัดสินใจต่อ ถ้าต้นทุนต่อหน่วยถูกลงถึงระดับนี้จริง งานที่เคยคิดว่าไม่คุ้มจะใส่ AI เข้าไปก็เปลี่ยนสมการ แต่ต้องยอมรับล่วงหน้าว่าจะไม่มีคำอธิบายให้ย้อนตรวจเวลามีคนทักท้วง

Simon Willison

Jared Palmer ปล่อย Kev บน GitHub โดยอธิบายว่าเป็นโมเดลตัดสินใจขนาดเล็กที่ฝึกเองและรันเองได้ ออกแบบให้เรียกใช้ในรูปแบบเดียวกับ System One API ของ TypeSafe

รุ่นที่สร้างบน Qwen3.5 มีสามขนาดคือ 0.8 พันล้าน 4 พันล้าน และ 9 พันล้านพารามิเตอร์ ใช้สัญญาอนุญาต Apache-2.0 เช่นเดียวกับโมเดลฐาน

ตัวเลขที่เอกสารของโครงการอ้างคือรุ่นเก้าพันล้านได้ความแม่น 0.822 บนชุดพัฒนาจากแหล่งใหม่ และ 0.852 บนชุดทดสอบ โดยผู้ทำเขียนเองว่ายังตามหลัง Jev อยู่ 3.5 จุดบนชุดพัฒนาชุดนั้น

ข้อควรระวังที่ผู้ทำเขียนไว้เองคือเขาไม่รู้ว่า Jev ถูกฝึกด้วยข้อมูลชุดใด การเทียบครั้งนี้จึงไม่ใช่การเทียบสถาปัตยกรรมแบบมีตัวแปรควบคุม ชุดที่ใช้วัดตัวเลขข้างต้นเป็นชุดที่โครงการนี้สร้างเอง ไม่ใช่ชุดทดสอบสาธารณะ และคะแนนของ Jev ที่เอามาเทียบในชุดนั้นก็มาจากการที่เขารันเอง ไม่ใช่ตัวเลขที่ผู้ขายเผยแพร่

▲ ทำไมต้องรู้ · ระยะห่างระหว่างของใหม่ที่ขายเป็นบริการกับของเปิดที่รันเองได้สั้นลงเรื่อยๆ จนนับเป็นวัน ใครกำลังจะผูกระบบทั้งระบบไว้กับ API เจ้าเดียว ควรออกแบบให้ถอดเปลี่ยนตัวโมเดลได้ตั้งแต่ต้น

GitHub · Hacker News

หลังอยู่ในสถานะพรีวิวมาสองปี Cloudflare ประกาศเมื่อวันที่ 21 กันยายนว่า Python Workers พร้อมใช้งานทั่วไปแล้ว โดยเขียนว่า Python เป็นภาษาชั้นหนึ่งที่รองรับเต็มรูปแบบบนแพลตฟอร์มนักพัฒนาของบริษัท

เบื้องหลังคือ Pyodide ซึ่งเป็นตัวแปล Python ที่คอมไพล์เป็น WebAssembly ผลที่ตามมาคือแพ็กเกจที่มีส่วนขยายเขียนด้วยภาษา C หรือ Rust ต้องคอมไพล์ข้ามมาเป็น WebAssembly ก่อนจึงจะใช้ได้

ประกาศระบุว่ารองรับไลบรารีสาย AI อย่าง openai langchain และ mcp ต่อกับ Workers AI เพื่อเรียกโมเดลบนจีพียูแบบไม่ต้องดูแลเครื่อง รัน FastAPI Django หรือ Flask ได้ และต่อฐานข้อมูล PostgreSQL กับ MySQL ผ่าน Hyperdrive

▲ ทำไมต้องรู้ · ทีมไทยจำนวนมากเขียน Python เป็นภาษาหลักแต่ไม่มีคนดูแลเซิร์ฟเวอร์ การที่แพลตฟอร์มระดับนี้รองรับทั้งเว็บเฟรมเวิร์กและไลบรารี AI พร้อมกัน ทำให้ต้นแบบที่เขียนในโน้ตบุ๊กขยับไปเป็นบริการจริงได้โดยไม่ต้องเปลี่ยนภาษา

Cloudflare · Hacker News

ทีมของ Linear เขียนเล่าว่าตั้งแต่เริ่มใช้ agent ช่วยเขียนโค้ด ชุดทดสอบของบริษัทโตขึ้นเกือบสี่เท่านับจากเดือนมกราคม และตอนนี้มีเทสต์ใหม่เข้ามาราวสองพันข้อต่อสัปดาห์ วิศวกรคนหนึ่งสรุปว่า agent ทำให้ส่งโค้ดได้เร็วขึ้นแบบก้าวกระโดด แต่การตรวจว่าโค้ดนั้นใช้ได้จริงตามไม่ทัน

เวลารอผลตรวจต่อหนึ่งคำขอรวมโค้ดเคยอยู่ที่เกินหกนาที หลังยกเครื่องลดลงมาเหลือห้านาทีนิดๆ และเวลาเครื่องที่ใช้ต่อหนึ่งเทสต์ลดลงราวครึ่งหนึ่ง

รายละเอียดที่น่าสนใจคือการเปลี่ยนตัวคอมไพล์ TypeScript ไปใช้ tsgo ทำให้ขั้นนั้นเร็วขึ้น 73% งานตรวจว่ามีอะไรเปลี่ยนบ้างลดจาก 94 วินาทีเหลือ 20 วินาที และการรวมงานย่อยเข้าด้วยกันประหยัดเวลาเครื่องได้ราว 87,000 นาทีต่อเดือน หรือราว 11.8% ของการใช้งานทั้งหมด ทีมประเมินว่าถ้าไม่ทำอะไรเลย ชุดทดสอบขนาดปัจจุบันจะใช้เวลาราวสิบเอ็ดนาที

▲ ทำไมต้องรู้ · องค์กรที่เพิ่งเอา AI เข้ามาช่วยทีมพัฒนามักวัดผลที่ความเร็วการเขียนอย่างเดียว เคสนี้เป็นตัวอย่างรูปธรรมว่าปริมาณงานที่เพิ่มขึ้นจะไปโผล่เป็นต้นทุนที่ขั้นตอนถัดไปเสมอ และต้นทุนนั้นวัดเป็นนาทีกับเป็นเงินได้

Linear · Hacker News

โครงการชื่อ Heretic อธิบายตัวเองสั้นๆ ว่าถอดข้อจำกัดออกจากโมเดลภาษา เพื่อให้มันทำตามคำสั่งของผู้ใช้เสมอ ผู้พัฒนาคือ Philipp Emanuel Weidmann และผู้ร่วมพัฒนา เผยแพร่ใต้สัญญาอนุญาต GNU Affero General Public License เวอร์ชัน 3 ขึ้นไป

ติดตั้งผ่าน pip และหน้าเว็บยกตัวอย่างการใช้กับโมเดลเปิดอย่าง Qwen3.5 ขนาดสี่พันล้านพารามิเตอร์ ข้อควรระวังคือหน้าแนะนำโครงการไม่ได้อธิบายวิธีการทางเทคนิคและไม่มีตัวเลขวัดผลใดๆ ให้ตรวจ จึงยังบอกไม่ได้ว่าได้ผลแค่ไหนและกระทบความสามารถด้านอื่นของโมเดลหรือไม่

▲ ทำไมต้องรู้ · องค์กรที่เลือกโมเดลเปิดเพราะอยากควบคุมเองควรรู้ว่าด่านปฏิเสธที่ติดมากับโมเดลถูกถอดออกได้ด้วยคำสั่งติดตั้งเดียว ตัวโมเดลที่โหลดมาจึงไม่ใช่หลักประกันเรื่องพฤติกรรม การควบคุมจริงต้องไปอยู่ที่ชั้นระบบรอบตัวมันและที่นโยบายการใช้งาน

Heretic · Hacker News

เปเปอร์จากนักวิจัยเดี่ยวเสนอวิธีชื่อ Probe of Internal Recognition ซึ่งยืมหลักการจากการตรวจจับคำโกหกในงานนิติวิทยาศาสตร์ คือเอาคำตอบจริงปนกับตัวลวงแล้ววัดว่าผู้ถูกทดสอบตอบสนองกับตัวไหนแรงกว่า แต่ย้ายไปอ่านจากสถานะภายในของโมเดลแทนการดูพฤติกรรมที่แสดงออกมา

ทดสอบกับแปดโมเดลจากห้าตระกูลคือ Gemma Qwen Llama Mistral และ Phi ได้ความแม่นแบบถ่วงดุลที่ 0.70 ถึง 0.87 เทียบกับค่าฐานของคำถามที่โมเดลไม่เคยรู้ซึ่งอยู่ที่ 0.28 ถึง 0.40 และเทียบกับการเดาสุ่มที่ 0.25

เมื่อบังคับให้โมเดลปกปิดด้วยวิธีต่างๆ ตั้งแต่สั่งให้โกหกไปจนถึงฝึกให้แกล้งตอบไม่ได้ ค่าการรู้จำยังอยู่ที่ 0.85 ถึง 0.93 แต่เมื่อลบความรู้นั้นออกจากโมเดลจริง ค่าดังกล่าวตกลงมาเท่ากับคำถามที่โมเดลไม่เคยรู้ ซึ่งเป็นจุดที่ผู้เขียนอ้างว่าแยกอาการไม่ยอมตอบออกจากตอบไม่ได้

ข้อจำกัดที่ผู้เขียนเขียนไว้เองคือวิธีนี้ต้องเข้าถึงสถานะภายในและต้องมีเช็กพอยต์ตั้งต้นของโมเดลนั้น จึงใช้กับบริการที่เปิดให้เรียกผ่าน API อย่างเดียวไม่ได้ อีกทั้งโมเดลที่ถูกฝึกมาให้หลบวิธีนี้ก็เอาชนะมันได้ และโมเดลที่ทดสอบทั้งหมดเป็นโมเดลเปิดขนาดเล็ก ไม่มีโมเดลระดับแนวหน้าเชิงพาณิชย์แม้แต่ตัวเดียว เปเปอร์นี้ยังเป็นพรีปรินต์ที่ไม่ระบุงานประชุมใด

▲ ทำไมต้องรู้ · คำถามที่องค์กรถามบ่อยคือจะรู้ได้อย่างไรว่าโมเดลไม่ได้ปิดบังอะไร คำตอบตรงไปตรงมาวันนี้คือมีวิธีที่ทำได้ในห้องแล็บกับโมเดลที่เราถือน้ำหนักเอง แต่กับโมเดลที่เช่าใช้ผ่าน API ยังทำไม่ได้เลย ซึ่งเป็นเหตุผลหนึ่งที่การตรวจสอบจากภายนอกยังต้องพึ่งการวัดพฤติกรรมอยู่

arXiv 2609.21996

ทีมจาก Alibaba ปล่อยสภาพแวดล้อมทดสอบชื่อ RecreationWorld ที่บังคับให้ agent สลับไปมาระหว่างการคลิกหน้าจอกับการเขียนโค้ดเอง แทนที่จะทำอย่างใดอย่างหนึ่ง โจทย์ครอบคลุมห้าแพลตฟอร์มคือ Ubuntu macOS Windows Android และเว็บ

ชุดวัดผลที่มากับมันชื่อ RecreationBench มีโจทย์ 250 ข้อ โดยเงื่อนไขการตรวจแต่ละข้อถูกทดสอบกับแอปต้นแบบและผ่านสายตาคนตรวจก่อนถูกล็อก

ตัวเลขพาดหัวคือ GPT-6 Astra นำเป็นอันดับหนึ่งที่ 58.1% เมื่อคิดคะแนนรวม แต่ผ่านการตรวจอัตโนมัติครบทุกข้อในงานเพียง 2.8% เท่านั้น สองตัวเลขนี้ต้องอ่านคู่กันเสมอ เพราะตัวแรกคือคะแนนจากเงื่อนไขย่อยที่ผ่านบ้างไม่ผ่านบ้าง ส่วนตัวหลังคือสัดส่วนงานที่ทำได้ครบจริง

ผู้เขียนระบุรูปแบบความล้มเหลวว่า agent ทำโครงสร้างหน้าจอที่อยู่นิ่งได้ดีกว่าส่วนที่ต้องโต้ตอบและส่วนที่ต้องคำนวณผลลัพธ์ และแอปที่มันสร้างออกมามักเล็กกว่าและรวมทุกอย่างไว้ก้อนเดียวมากกว่าต้นแบบ ข้อควรระวังคือชุดทดสอบนี้สร้างโดยทีมที่มีโมเดลของตัวเองอยู่ในรายชื่อที่ถูกวัดด้วย และยังเป็นพรีปรินต์

▲ ทำไมต้องรู้ · เวลาเห็นข่าวว่า agent ทำคะแนนได้เท่านั้นเท่านี้ ให้ถามต่อเสมอว่าคะแนนนั้นคือทำงานจบทั้งชิ้นหรือได้คะแนนจากเงื่อนไขย่อย ส่วนต่างระหว่าง 58.1% กับ 2.8% ในเปเปอร์เดียวกันคือคำอธิบายที่ดีที่สุดว่าทำไมของที่ดูน่าประทับใจบนกระดานคะแนนถึงยังใช้แทนคนไม่ได้

arXiv 2609.22000

งานชิ้นนี้ถามว่าวิธีวัด agent แบบดูทีละก้าว คือให้โมเดลทายว่าควรทำอะไรต่อจากประวัติที่ถูกต้องแล้วเทียบกับเฉลย ทำนายความสำเร็จของงานทั้งกระบวนการได้จริงหรือไม่ สนามทดสอบคืองานบริการลูกค้าที่ต้องคุยกันหลายรอบ

โมเดลที่ใช้คือ Qwen3 ขนาดสี่พันล้านและหนึ่งหมื่นสี่พันล้าน กับ Gemma 3 ขนาดสี่พันล้านและหนึ่งหมื่นสองพันล้าน เทียบก่อนและหลังการฝึกเพิ่มแบบมีเฉลยกำกับ

ผลคือการฝึกเพิ่มทำให้คะแนนรายก้าวดีขึ้นทุกตัว แต่ไม่ส่งผลต่อการรันงานจริงแบบอัตโนมัติเลย ผู้เขียนเขียนว่าไม่มีโมเดลใดในสี่ตัวที่ทำงานสำเร็จเมื่อวัดทั้งกระบวนการ โดยอัตราการเดินจนจบแบบเข้มงวดสูงสุดอยู่ที่ 10.4%

ข้อควรระวังคือ 10.4% เป็นค่าของตัวที่ดีที่สุดในสี่ตัว ไม่ใช่ค่าเฉลี่ย และทั้งสี่เป็นโมเดลเปิดขนาดเล็กที่ทีมฝึกเอง ไม่มีโมเดลแนวหน้าร่วมทดลอง จึงสรุปไม่ได้ว่า agent โดยทั่วไปทำงานสำเร็จราวหนึ่งในสิบ สิ่งที่งานนี้ยืนยันคือช่องว่างระหว่างวิธีวัดสองแบบ ไม่ใช่ระดับความสามารถสัมบูรณ์ เปเปอร์ระบุว่าได้รับคัดเลือกเข้าเวิร์กช็อป REALM ของงานประชุม EMNLP 2026

▲ ทำไมต้องรู้ · องค์กรที่กำลังไล่ปรับ agent ของตัวเองมักวัดผลจากการสุ่มดูคำตอบทีละอัน แล้วรู้สึกว่าดีขึ้นเรื่อยๆ งานนี้บอกว่าความรู้สึกนั้นเชื่อไม่ได้ ถ้าไม่ได้วัดว่างานทั้งชิ้นเดินจนจบหรือไม่

arXiv 2609.21187

Steve Weis วิศวกรของ Anthropic ประกาศผ่านบัญชีของตัวเองว่าแยกตัวประกอบ RSA-896 สำเร็จ ซึ่งเป็นโจทย์ที่ RSA Laboratories เคยตั้งรางวัล 75,000 ดอลลาร์ไว้ก่อนจะยกเลิกโครงการไปเมื่อปี 2007

วิธีที่ใช้คือย้ายโปรแกรมแยกตัวประกอบ CADO-NFS ไปรันบนคลัสเตอร์จีพียู 2,048 ตัว กินเวลา 10 วัน โดยไม่ได้เปิดเผยว่าใช้จีพียูรุ่นใด

ค่าใช้จ่ายที่ประเมินไว้อยู่ที่ราว 3.3 ล้านดอลลาร์ หรือราวร้อยล้านบาท คำนวณจากอัตราเช่าชิป Blackwell ราว 6.69 ดอลลาร์ต่อชิปต่อชั่วโมง ข้อควรระวังคือตัวเลขค่าใช้จ่ายเป็นการประมาณของผู้รายงาน ไม่ใช่ค่าใช้จ่ายจริงที่ผู้ทำเปิดเผย

▲ ทำไมต้องรู้ · กุญแจ RSA ที่สั้นกว่ามาตรฐานปัจจุบันยังพบได้ในระบบเก่าขององค์กรไทยหลายแห่ง ข่าวนี้ไม่ได้แปลว่าการเข้ารหัสที่ใช้กันอยู่พังแล้ว แต่เป็นหมุดที่บอกว่าเส้นแบ่งระหว่างแพงเกินจะคุ้มกับพอจ่ายไหว ขยับตามราคาพลังประมวลผลที่ถูกลงทุกปี

Blognone

พูลพัฒน์ ลีสมบัติไพบูลย์ เลขาธิการสำนักงานคณะกรรมการกำกับกิจการพลังงาน ให้สัมภาษณ์ในงาน Gastech 2026 ว่าแนวทางกำกับวิธีขายไฟให้ดาต้าเซ็นเตอร์และการคิดค่าผ่านสายจะแล้วเสร็จและประกาศใช้ภายในปีนี้ พร้อมย้ำว่าผู้ประกอบการรายเก่าและรายใหม่จะต้องใช้อัตราค่าไฟและเงื่อนไขเดียวกันทั้งหมด

เหตุผลเชิงโครงสร้างที่เขาให้คือดาต้าเซ็นเตอร์ใช้เวลาก่อสร้างเพียงหนึ่งถึงสองปี ขณะที่การสร้างโรงไฟฟ้าใหม่ใช้เวลาเจ็ดถึงสิบปี หน่วยงานกำกับจึงต้องเร่งวางมาตรการไม่ให้กระทบประชาชนผู้ใช้ไฟ

รูปแบบการจัดหาไฟที่เขาระบุมีสามทาง คือซื้อจากระบบสายส่งตามปกติ ทำสัญญาซื้อขายไฟตรงกับผู้ผลิตแล้วจ่ายค่าผ่านสาย และผลิตใช้เองแบบไม่เชื่อมระบบ โดยการคิดค่าผ่านสายจะถ่วงน้ำหนักกับโครงสร้างค่าไฟครัวเรือนที่ใช้ไม่เกิน 200 หน่วยในราคาไม่เกิน 3 บาท

ข้อที่ต้องอ่านคู่กันคือวันเดียวกันนี้สภาพัฒน์ยังยืนกรอบเดิมว่าเกณฑ์ควบคุมดาต้าเซ็นเตอร์จะบังคับใช้ได้ไม่เกินกลางเดือนตุลาคม ทั้งสองหน่วยงานอาจพูดถึงเอกสารคนละฉบับ คือกรอบนโยบายของคณะกรรมการกับประกาศอัตราค่าไฟของผู้กำกับดูแล แต่ต้นทางข่าวไม่ได้อธิบายความต่างนี้ไว้ และทั้งคู่ยังไม่มีร่างประกาศที่เปิดให้อ่าน

▲ ทำไมต้องรู้ · ธุรกิจที่วางแผนใช้คลาวด์ในประเทศหรือกำลังเจรจาสัญญาระยะยาว ควรรู้ว่าต้นทุนค่าไฟของผู้ให้บริการกำลังจะถูกเขียนใหม่ภายในไตรมาสนี้ และยังไม่มีใครบอกได้ว่าอัตราสุดท้ายเท่าไร คำถามที่ถามผู้ขายได้ทันทีคือสัญญาที่เสนอมาผูกราคาไว้แบบใดถ้าค่าไฟเปลี่ยน

กรุงเทพธุรกิจ · กรุงเทพธุรกิจ

RealWatch Lab ซึ่งเป็นหน่วยวิจัยและวิเคราะห์ข้อมูลของบริษัท เรียล สมาร์ท จำกัด (มหาชน) วิเคราะห์ข้อความสาธารณะบนโซเชียลมีเดียไทยระหว่าง 1 มกราคมถึง 31 สิงหาคม 2026 พบข้อความที่เกี่ยวกับ AI จำนวน 26,399 ข้อความ

ในกลุ่มข้อความที่แสดงความกังวล 4,878 ข้อความ เรื่องที่ถูกพูดถึงมากที่สุดคือการตกงานที่ 33.35% ตามด้วยความน่าเชื่อถือและความแม่นยำของคำตอบที่ 30.96% ผลกระทบระยะยาวต่อเศรษฐกิจและสังคมที่ 15.15% ทักษะมนุษย์ถดถอยจากการพึ่ง AI มากเกินไปที่ 15.03% และความเป็นส่วนตัวกับความปลอดภัยของข้อมูลที่ 5.51%

ฝั่งการใช้งานจริง งานสร้างสรรค์มาเป็นอันดับหนึ่งที่ 36.01% ตามด้วยงานเอกสารที่ 31.07% การวางระบบงานในองค์กรที่ 13.61% การศึกษาที่ 11.08% และการวิเคราะห์ข้อมูลเฉพาะทางที่ 8.23%

ข้อควรระวังคือนี่เป็นการฟังเสียงโซเชียลของบริษัทเอกชนรายเดียว ไม่ใช่การสำรวจที่สุ่มตัวอย่างประชากร ส่วนตัวเลขสัดส่วนคนวัยทำงานไทยที่ใช้ AI ซึ่งบทความอ้างว่าเพิ่มจาก 9.1% เป็น 12.4% นั้นเป็นการยกรายงานของ Microsoft มาอ้างต่อ ไม่ใช่สิ่งที่หน่วยวิจัยนี้วัดเอง

▲ ทำไมต้องรู้ · ถ้าองค์กรกำลังจะประกาศใช้ AI กับทีมงาน ข้อมูลชุดนี้บอกว่าคำถามแรกในใจคนส่วนใหญ่ไม่ใช่เรื่องเครื่องมือใช้ยากหรือง่าย แต่เป็นเรื่องตำแหน่งงานของตัวเอง แผนสื่อสารที่ข้ามเรื่องนี้ไปมักเจอแรงต้านที่อธิบายไม่ถูก

Nation Thailand

Z.ai ปล่อยซอร์สโค้ดของ ZCode ออกมาใต้สัญญาอนุญาต Apache 2.0 ตัวโปรแกรมเขียนด้วย TypeScript และห่อเป็นแอปเดสก์ท็อปด้วย Electron

ที่มาคือก่อนหน้านี้มีคนพบว่า ZCode ส่งโค้ดทั้งคลังขึ้นไปบนคลาวด์โดยผู้ใช้ไม่รู้ตัว บริษัทตอบโดยเชิญสถาบันวิจัยเทคโนโลยีสารสนเทศและการสื่อสารแห่งประเทศจีนกับบริษัทความปลอดภัย NSFOCUS เข้าตรวจการทำงานฝั่งเซิร์ฟเวอร์ และชี้แจงว่าโค้ดที่ถูกส่งขึ้นไปใช้สร้างเอกสารสรุปของคลังเท่านั้นแล้วถูกลบทันที พร้อมระบุว่าความสามารถส่วนนี้ถูกถอดออกไปแล้วตั้งแต่เวอร์ชัน 3.14.0

ข้อควรระวังที่ยังค้างอยู่คือคลังที่เปิดออกมามีประวัติการแก้ไขเพียงสองรายการ ไม่ได้เปิดประวัติการพัฒนาทั้งหมด การเปิดซอร์สรอบนี้จึงยังตรวจย้อนไม่ได้ว่าโค้ดที่ปล่อยตรงกับที่เคยรันอยู่จริงหรือไม่

▲ ทำไมต้องรู้ · เครื่องมือเขียนโค้ดที่ใช้ AI ต้องอ่านโค้ดของเราเพื่อทำงาน คำถามสำคัญจึงไม่ใช่ว่ามันอ่านหรือไม่ แต่เป็นว่ามันส่งอะไรออกไปนอกเครื่องบ้าง เก็บไว้นานแค่ไหน และเราตรวจสอบเองได้ด้วยวิธีใด การเปิดซอร์สช่วยได้ก็ต่อเมื่อสิ่งที่เปิดตรวจย้อนได้จริง

Blognone

กระทรวงอุตสาหกรรมและการค้าของเวียดนามประเมินว่าประเทศจะขาดไฟฟ้าราว 61 พันล้านกิโลวัตต์ชั่วโมงภายในปี 2030 โดยช่องว่างไล่ขึ้นจาก 2.9 พันล้านหน่วยในปี 2027 เป็น 20.7 พันล้านหน่วยในปี 2028 และ 50.4 พันล้านหน่วยในปี 2029

ตัวขับเคลื่อนดีมานด์ที่ระบุไว้คือดาต้าเซ็นเตอร์ โรงงานที่ใช้ AI การผลิตเซมิคอนดักเตอร์ และการเปลี่ยนระบบขนส่งไปใช้ไฟฟ้า

ปัญหาที่หนักกว่าตัวเลขคือความคืบหน้าของแผน กำลังผลิตตามแผนพัฒนาไฟฟ้าฉบับล่าสุดเข้าระบบแล้วเพียง 5% ขณะที่ 45% ของโครงการยังไม่ได้รับอนุมัติการลงทุน และอีก 12% ได้อนุมัติแล้วแต่ยังไม่มีผู้ลงทุน ข้อเสนอเร่งด่วนคือโซลาร์บนหลังคาอาคารรัฐ 2,800 เมกะวัตต์ภายในมิถุนายน 2027 และระบบกักเก็บพลังงาน 2 ถึง 3 กิกะวัตต์

ข้อควรระวังคือทั้งหมดเป็นประมาณการและข้อเสนอจากกระทรวงเดียว ยังไม่ใช่แผนที่ผ่านการอนุมัติ

▲ ทำไมต้องรู้ · ไทยกับเวียดนามแย่งเม็ดเงินดาต้าเซ็นเตอร์ก้อนเดียวกัน และทั้งคู่ติดข้อจำกัดเดียวกันคือไฟฟ้า ตัวเลขฝั่งเวียดนามช่วยให้เห็นว่าการที่ไทยเร่งออกเกณฑ์คุมและจัดอัตราค่าไฟให้ชัด เป็นการแข่งขันเรื่องความแน่นอน ไม่ใช่แค่เรื่องกำแพงกฎระเบียบ

Nation Thailand

ราคาหุ้น AMD ปรับขึ้น 9.95% มาอยู่ที่ 615.52 ดอลลาร์ ทำให้มูลค่าตลาดขึ้นแตะ 1.005 ล้านล้านดอลลาร์เป็นครั้งแรก

นักวิเคราะห์ระบุว่าแรงขับหลักคือความต้องการชิปสำหรับดาต้าเซ็นเตอร์ AI โดยเฉพาะฝั่งหน่วยประมวลผลกลาง รายได้ส่วนดาต้าเซ็นเตอร์ของบริษัทเติบโต 107% ในไตรมาสก่อนหน้า

หุ้นผู้ผลิตชิปรายอื่นขยับขึ้นในคืนเดียวกัน โดย Intel เพิ่มขึ้น 12% และ Arm เพิ่มขึ้น 17%

▲ ทำไมต้องรู้ · ราคาชิปที่ถูกดันขึ้นด้วยดีมานด์ระดับนี้ ปลายทางคือราคาต่อโทเคนและราคาเช่าเครื่องที่องค์กรต้องจ่าย ข่าวหุ้นแบบนี้จึงอ่านเป็นสัญญาณต้นทุนล่วงหน้าได้ แม้ในระยะสั้นการแข่งกันลดราคาโมเดลจะยังกดราคาฝั่งผู้ใช้อยู่

Blognone

ตั้งแต่คืนวันอาทิตย์ที่ 20 กันยายน ใครที่สั่งให้ Muse ซึ่งเป็น agent ส่วนตัวของ Meta ไปช้อปปิ้งบน Amazon จะเจอข้อความขึ้นว่าการเข้าถึงต่อเนื่องโดย AI agent ที่ไม่ได้รับอนุญาต ถือเป็นการละเมิดเงื่อนไขการใช้งานของ Amazon ที่ลูกค้าได้ตกลงไว้แล้ว สื่อที่ทดลองเองรายงานว่าการปิดกั้นเกิดตั้งแต่หน้าค้นหาสินค้า ไม่ใช่เฉพาะตอนกดชำระเงิน

คำแถลงที่ Amazon ให้ไว้เป็นทางการพูดถึงหลักการ ไม่ได้ไล่เรียงข้อกล่าวหา โดยระบุว่าแอปของบุคคลที่สามที่เสนอตัวซื้อของแทนลูกค้าจากธุรกิจอื่น ควรทำงานอย่างเปิดเผยและเคารพการตัดสินใจของผู้ให้บริการว่าจะเข้าร่วมหรือไม่ พร้อมยกตัวอย่างแอปส่งอาหารกับร้านอาหาร และตัวแทนจองตั๋วออนไลน์กับสายการบิน และระบุว่าได้ขอให้ Meta ถอด Amazon ออกจากประสบการณ์ใช้งานของ Muse แล้ว

ข้อกังวลที่ถูกอ้างถึงกันมากสามข้อ คือ Meta ไม่ได้แจ้งล่วงหน้า ตัว agent ไม่แสดงตัวขณะเดินดูสินค้า และดูเหมือนจะเก็บข้อมูลยืนยันตัวตนของลูกค้าไว้ เป็นการเรียบเรียงของผู้สื่อข่าวที่ผูกกับคำว่า Amazon ระบุ ไม่ใช่ถ้อยคำที่ Amazon พูดเองในคำแถลง ข้อสุดท้ายต้นทางเองยังใช้คำว่าดูเหมือนอยู่

Meta ยังไม่ให้ความเห็นต่อการถูกปิดกั้นครั้งนี้ สิ่งที่ถูกยกมาอ้างกันคือคำอธิบายเดิมตอนเปิดตัวเมื่อ 8 กันยายน ที่ระบุว่า Muse มองไม่เห็นรหัสผ่านหรือวิธีชำระเงินของผู้ใช้ และข้อมูลที่ผู้ใช้ให้ไว้จะถูกเก็บในที่เก็บแบบปลอดภัยเพื่อให้เรียกใช้ได้โดยไม่เห็นค่าจริง

Muse เปิดตัว 8 กันยายน และขึ้นเป็นแอปฟรีอันดับหนึ่งบน App Store สหรัฐเมื่อ 18 กันยายน คือสิบวันหลังเปิดตัว โดยแซง ChatGPT ฝั่ง Amazon เองมีบริการ Buy for Me ที่ไปหาสินค้าบนเว็บแบรนด์อื่นให้ ซึ่งบริษัทบอกว่าบริการของตัวเองแสดงตัวตนและเปิดให้แบรนด์เลือกไม่เข้าร่วมได้ คำกล่าวอ้างนี้ยังไม่มีการตรวจสอบอิสระ และเมื่อต้นปีมีแบรนด์ร้องเรียนว่าสินค้าของตัวเองถูกนำเข้าระบบนี้โดยไม่ได้บอกล่วงหน้า

เรื่องนี้เกิดบนพื้นที่ที่ Amazon ยังไม่ชนะในชั้นศาล คดีที่ฟ้อง Perplexity เรื่องเบราว์เซอร์ Comet นั้น ศาลอุทธรณ์เพิกถอนคำสั่งคุ้มครองชั่วคราวไปเมื่อเดือนสิงหาคม และ Amazon เพิ่งยื่นฟ้องฉบับแก้ไขโดยเปลี่ยนฐานจากกฎหมายเจาะระบบไปเป็นเรื่องสัญญาเมื่อวันที่ 21 กันยายน ส่วนที่เคยปิดกั้น Google กับ OpenAI นั้นเป็นการบล็อกบอทเก็บข้อมูลผ่าน robots.txt ตั้งแต่ปี 2025 ไม่ใช่ agent ที่ทำธุรกรรมแทนผู้ใช้

▲ ทำไมต้องรู้ · นี่คือกรณีแรกๆ ที่ตอบคำถามว่าเว็บปลายทางมีสิทธิ์ปฏิเสธ agent ที่ทำงานแทนเราหรือไม่ ในทางปฏิบัติคำตอบวันนี้คือปฏิเสธได้ เพราะเงื่อนไขการใช้งานเป็นของเจ้าของเว็บ แต่ในทางกฎหมายยังไม่จบ ใครวางแผนให้ agent ไปทำธุรกรรมกับคู่ค้าจึงควรอ่านเงื่อนไขของปลายทางก่อน ออกแบบให้ agent แสดงตัวตนตั้งแต่แรก และเผื่อแผนสำรองไว้ว่าปลายทางอาจปิดประตูเมื่อไรก็ได้

GeekWire · TechCrunch

Jensen Huang ให้สัมภาษณ์ CBS เมื่อวันที่ 21 กันยายน ว่าโอกาสที่ AI จะเหนือกว่ามนุษย์ภายในปี 2030 อยู่ที่ศูนย์เปอร์เซ็นต์ และวิจารณ์ว่าการเล่าเรื่องวันสิ้นโลกโดยไม่มีหลักฐานทางวิทยาศาสตร์รองรับเป็นการสร้างความกลัวที่ไม่จำเป็น

เขายังระบุว่าสหรัฐไม่จำเป็นต้องออกกฎหมาย AI ใหม่ เพราะกฎที่มีอยู่เพียงพอแล้ว ซึ่งเป็นจุดยืนเดียวกับฝั่งทำเนียบขาว

ในเรื่องดาต้าเซ็นเตอร์ เขากล่าวขอโทษแทนบริษัทเทคโนโลยีที่คุยกับชุมชนน้อยเกินไปก่อนลงมือก่อสร้าง พร้อมอ้างว่าศูนย์รุ่นใหม่ใช้พลังงานและน้ำน้อยกว่ารุ่นก่อนและสร้างงานในพื้นที่ เมื่อถูกถามว่าทำไมคนถึงควรเชื่อเขาทั้งที่ Nvidia ได้ประโยชน์โดยตรงจากการขยายตัวของ AI เขาตอบว่าความสำเร็จของบริษัทขึ้นกับการใช้ AI อย่างปลอดภัย

▲ ทำไมต้องรู้ · คำให้สัมภาษณ์ของผู้บริหารที่ได้ประโยชน์จากฝั่งใดฝั่งหนึ่งของข้อถกเถียง เป็นข้อมูลที่ต้องอ่านพร้อมบริบทเสมอ ประโยชน์ที่เอาไปใช้ได้จริงคือคำถามเรื่องชุมชนกับดาต้าเซ็นเตอร์ กำลังกลายเป็นประเด็นที่ผู้ผลิตชิปเองยอมรับว่าต้องตอบ ซึ่งตรงกับสิ่งที่กำลังเกิดในไทย

Blognone

สำนักข่าว The Information รายงานว่า Apple กำลังพัฒนาชิปชื่อ M8 Ultra สำหรับเครื่องเซิร์ฟเวอร์ที่จะขายให้ลูกค้าภายนอกที่ต้องการกำลังประมวลผลด้าน AI ไม่ใช่ใช้ภายในบริษัทอย่างเดียว

แผนที่รายงานระบุว่ามีเซิร์ฟเวอร์สองรุ่น รุ่นเล็กใช้ชิป M8 Ultra สองตัวและรุ่นใหญ่ใช้สี่ตัว ส่วนระบบเครือข่ายที่ใช้เชื่อมเครื่องเข้าเป็นคลัสเตอร์คือแพลตฟอร์ม NVLink Fusion ของ NVIDIA

ข้อควรระวังคือทั้งหมดยังเป็นข่าวลือจากแหล่งข่าวที่ไม่เปิดเผยตัว ยังไม่มีคำยืนยันจาก Apple และไม่มีกำหนดวางจำหน่าย

▲ ทำไมต้องรู้ · ถ้าเรื่องนี้เป็นจริง แปลว่ามีทางเลือกใหม่สำหรับองค์กรที่อยากรันโมเดลเองโดยไม่ผูกกับผู้ผลิตชิปรายเดียว แต่วันนี้ยังเป็นข่าวลือ จึงยังไม่ควรเอาไปวางในแผนจัดซื้อ

Blognone